我校人工智能学院硕士研究生周雨婷在机器人自主路线规划方面取得了新进展，研究成果“An Indoor Blind Area-Oriented Autonomous Robotic Path Planning Approach Using Deep Reinforcement Learning”（面向室内盲区基于深度强化学习的机器人自主路径规划方法）在智能系统领域国际知名期刊《Expert Systems With Applications》（中科院1区Top）在线刊出（DOI：10.1016/j.eswa.2024.124277）。
针对现有研究大多忽略了室内探索中的盲区，导致机器人覆盖率和探索效率低下的问题，本文采用深度强化学习方法提升机器人室内自主路径规划效率。技术上，基于优先经验重放机制的双深度Q网络框架，本文提出封锁机制和死角机制来检测盲区，以辅助选择最优的探测点。在此基础上，将该方法应用于扫地机器人的仿真环境中，在确保完全覆盖室内环境的前提下，仿真结果显示训练效率和探索效率能够得到提升。本项研究工作提出的解决方案，为机器人自主路径规划系统的智能优化提供了技术支持和理论指导。
